欢迎访问广东工业大学数据挖掘与信息检索实验室!

一种基于似然度的因果结构学习方法

作者:DMIR    发表时间:2017-10-20    浏览量:142


发明人:乔杰、蔡瑞初、郝志峰,温雯,王丽娟,陈炳丰

申请时间:2017年10月20日

专利申请号:201710981783.X

申请状态:实质审查


说明:本发明提供一种基于似然度的因果结构学习方法,其主要通过对初始化处理后的结构图D进行增加有向边、删除有向边、翻转有向边处理,并利用观测数据计算每个因果结构图的评分值选取最大评分值对应的因果结构图,并比较因果结构图的最大评分值的增加值与阈值ε的大小,通过多次迭代,得到最终的因果结构图;本发明通过高效地融合似然度与结构方程的搜索,解决了传统方法因存在马尔科夫等价类而无法识别因果结构的问题,并将结构方程模型与似然度结合,使得在可以应用在高维的因果结构搜索;本方法还通过利用了xgboost分类算法,以及核密度估计方法,进一步扩大了该因果结构学习方法使用范围,可以运用于线性或非线性数据。